Pandas 分组累计和

问题描述：

我想向我的 Pandas 数据框添加一个累积总和列，以便：

变成：

Jack | Monday     | 10  | 10
Jack | Tuesday    | 30  | 40
Jack | Wednesday  | 50  | 90
Jill | Monday     | 40  | 40
Jill | Wednesday  | 110 | 150

我尝试了各种组合，df.groupby但df.agg(lambda x: cumsum(x))都无济于事。

解决方案 1：

这应该可以做到，需要groupby()两次：

df.groupby(['name', 'day']).sum() \n  .groupby(level=0).cumsum().reset_index()

解释：

print(df)
   name        day   no
0  Jack     Monday   10
1  Jack    Tuesday   20
2  Jack    Tuesday   10
3  Jack  Wednesday   50
4  Jill     Monday   40
5  Jill  Wednesday  110

# sum per name/day
print( df.groupby(['name', 'day']).sum() )
                 no
name day           
Jack Monday      10
     Tuesday     30
     Wednesday   50
Jill Monday      40
      Wednesday  110

# cumulative sum per name/day
print( df.groupby(['name', 'day']).sum() \n         .groupby(level=0).cumsum() )
                 no
name day           
Jack Monday      10
     Tuesday     40
     Wednesday   90
Jill Monday      40
     Wednesday  150

第一个总和产生的数据框由'name'和 索引'day'。您可以通过打印来查看它

df.groupby(['name', 'day']).sum().index 

计算累积和时，您需要通过 来计算'name'，对应第一个索引（级别 0）。

最后，用来reset_index重复名字。

df.groupby(['name', 'day']).sum().groupby(level=0).cumsum().reset_index()

   name        day   no
0  Jack     Monday   10
1  Jack    Tuesday   40
2  Jack  Wednesday   90
3  Jill     Monday   40
4  Jill  Wednesday  150

解决方案 2：

修改@Dmitry的答案。这更简单，并且在pandas 0.19.0中有效：

print(df) 

 name        day   no
0  Jack     Monday   10
1  Jack    Tuesday   20
2  Jack    Tuesday   10
3  Jack  Wednesday   50
4  Jill     Monday   40
5  Jill  Wednesday  110

df['no_csum'] = df.groupby(['name'])['no'].cumsum()

print(df)
   name        day   no  no_csum
0  Jack     Monday   10       10
1  Jack    Tuesday   20       30
2  Jack    Tuesday   10       40
3  Jack  Wednesday   50       90
4  Jill     Monday   40       40
5  Jill  Wednesday  110      150

解决方案 3：

这在 pandas 0.16.2 中有效

In[23]: print df
        name          day   no
0      Jack       Monday    10
1      Jack      Tuesday    20
2      Jack      Tuesday    10
3      Jack    Wednesday    50
4      Jill       Monday    40
5      Jill    Wednesday   110
In[24]: df['no_cumulative'] = df.groupby(['name'])['no'].apply(lambda x: x.cumsum())
In[25]: print df
        name          day   no  no_cumulative
0      Jack       Monday    10             10
1      Jack      Tuesday    20             30
2      Jack      Tuesday    10             40
3      Jack    Wednesday    50             90
4      Jill       Monday    40             40
5      Jill    Wednesday   110            150

解决方案 4：

你应该使用

df['cum_no'] = df.no.cumsum()

http://pandas.pydata.org/pandas-docs/version/0.19.2/ generated/pandas.DataFrame.cumsum.html

另一种方法

import pandas as pd
df = pd.DataFrame({'C1' : ['a','a','a','b','b'],
           'C2' : [1,2,3,4,5]})
df['cumsum'] = df.groupby(by=['C1'])['C2'].transform(lambda x: x.cumsum())
df

解决方案 5：

除了df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()
（见上文）你也可以这样做df.set_index(['name', 'day']).groupby(level=0, as_index=False).cumsum()

• df.groupby(by=['name','day']).sum()实际上只是将两列移动到 MultiIndex

• as_index=False意味着你之后不需要调用 reset_index

解决方案 6：

数据.csv：

name,day,no
Jack,Monday,10
Jack,Tuesday,20
Jack,Tuesday,10
Jack,Wednesday,50
Jill,Monday,40
Jill,Wednesday,110

代码：

import numpy as np
import pandas as pd

df = pd.read_csv('data.csv')
print(df)
df = df.groupby(['name', 'day'])['no'].sum().reset_index()
print(df)
df['cumsum'] = df.groupby(['name'])['no'].apply(lambda x: x.cumsum())
print(df)

输出：

   name        day   no
0  Jack     Monday   10
1  Jack    Tuesday   20
2  Jack    Tuesday   10
3  Jack  Wednesday   50
4  Jill     Monday   40
5  Jill  Wednesday  110
   name        day   no
0  Jack     Monday   10
1  Jack    Tuesday   30
2  Jack  Wednesday   50
3  Jill     Monday   40
4  Jill  Wednesday  110
   name        day   no  cumsum
0  Jack     Monday   10      10
1  Jack    Tuesday   30      40
2  Jack  Wednesday   50      90
3  Jill     Monday   40      40
4  Jill  Wednesday  110     150

解决方案 7：

从 1.0 版本开始，pandas 获得了用于窗口函数的新 API。

具体来说，之前取得的成果

df.groupby(['name'])['no'].apply(lambda x: x.cumsum())  

或者

df.set_index(['name', 'day']).groupby(level=0, as_index=False).cumsum()

现在变成

df.groupby(['name'])['no'].expanding().sum()

我发现所有与窗口相关的函数比 groupby+level 操作更直观

虽然学习使用 groupby 对于一般用途很有用。

请参阅文档：
https://pandas.pydata.org/docs/user_guide/window.html

解决方案 8：

如果您想编写一行代码（也许您想将方法传递到管道中），您可以首先将方法as_index的参数设置groupby为 False 以从聚合步骤返回一个数据框并用于assign()为其分配一个新列（每个人的累计总和）。

这些链式方法返回一个新的数据框，因此您需要将其分配给一个变量（例如agg_df）以便以后使用它。

agg_df = (
    # aggregate df by name and day
    df.groupby(['name','day'], as_index=False)['no'].sum()
    .assign(
        # assign the cumulative sum of each name as a new column
        cumulative_sum=lambda x: x.groupby('name')['no'].cumsum()
    )
)